【菜鸟窝免费视频】如何生成数字、人脸和二次元美少女头像（AI生成二次元头像）

阿里百度人工智能大神精讲的人工智能视频课程，领取地址：https://www.cniao5.com/course/10239
或欢迎勾搭运营小姐姐（微信 id：BT474849）免费领取63讲精品机器学习入门到实战视频哦~

本视频课程是由菜鸟窝研发的，免费提供给AI人工智能爱好者学习的。具体视频、代码可以找菜鸟窝助教Bella（weixin：BT474849）无套路领取哦。

关于有监督模型、无监督模型是什么？生产模型、生产对抗网络 gan，生成器和判别器是干什么的?等内容都会讲解到，并通过几个实际案例全面告诉你数字、人脸和二次元美少女头像是如何通过gan模型生产

具体课程大纲

1、新秀GAN模型的工作原理
2、案例：DCGAN手写数字生成
3、案例：DCGAN 人脸生成
4、案例：巧妙的 WGAN
5、案例：讲条件的 ACGAN
6、案例：二次元头像生成

视频的部分截图

一、判别和生成

1、判别模型分类、回归

- 有监督学习

提供一堆猫的图片和狗的图片
训练一个二分类模型
对于一张新的图片，判断是猫还是狗

2、生成模型生成新的样本

提供一堆狗的图片
训练一个生成模型
可以随机生成新的狗狗图片

- 无监督学习

二、数据的分布

三、GAN生成对抗模型

生成器（Generator，G）：通过对大量样本的学习，能够生成一些以假乱真的样本
判别器（Discriminator，D）：接受真实样本和 G 生成的假样本，并进行判别和区分
G 和 D 相互博弈，通过学习和对抗，G 的生成能力和 D 的判别能力都逐渐增强并收敛（纳什均衡）

1、生成器
输入为服从随机分布的噪音，例如正态分布
通过一个复杂的映射函数，生成假样本

2、判别器
输入为真实样本或假样本，通过另一个复杂的映射函数
输出一个 0~1 之间的值，值越大表示 D 认为其越有可能为真实样本

3、损失函数
D 希望：给真实样本都打1分，给假样本都打0分，从而进行判别
G 希望：生成的假样本能让 D 打1分，说明假样本做到了以假乱真
总的损失函数如下，D 最大化该函数，G 最小化该函数，互相对抗

4、实现
如何实现 G 和 D 两个映射函数？
使用神经网络 —— 万能的函数近似器！

5、全连接层实现gan的神经网络

比较简单的实现方案

四、DCGAN（深度卷积生成对抗网络）

更复杂但效果更好的实现方案，Deep Convolutional GAN

例子
MNIST 手写数字图片数据集，28 乘 28 像素的黑白图片

有具体视频详解和代码提供，可联系weixin：BT474849 免费提供

CelebA 名人人脸图片数据集，64 乘 64 像素的彩色图片

五、WGAN

只通过三点简单改动，大大提升 GAN 的稳定性和生成质量！

六、ACGAN

Auxiliary Classifier GAN
向 G 提供条件信息，从而控制生成图片的某些属性
D 除了判别之外，还需要进行分类
对 G 而言，生成的图片不仅要真实，还要符合条件

例子

七、二次元头像

更有趣的图片数据集，二次元头像
更多样的属性，发色、发型、眼色等 34 个属性

二次元头像

推荐了解
30 多个实战项目，以人工智能为方向
从自然语言理解、计算机视觉、数据分析等角度
介绍大量有趣的 Python 案例和应用
探索实现原理、完整动手实践
极大提升人工智能相关的理论基础和技术能力

以上利用gan生成对抗模型生成二次元头像的视频，源代码免费下载，都可以找菜鸟窝的助教（weixin：BT474849）无套路领取哦~